AI BENCHY श्रेणी
संयुक्त क्रमवारी
संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↓.
| क्रमांक | मॉडेल | कंपनी | संयुक्त स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #121 | Owl Alpha none | Openrouter | 3.0 | 5.5 | 0/1 | 21.7s |
| #122 | GLM 4.7 Flash none | Z.ai | 3.0 | 5.5 | 0/1 | 3.22s |
| #123 | MiMo-V2.5-Pro none | Xiaomi | 3.0 | 5.5 | 0/1 | 3.54s |
| #124 | Kimi K2.6 none | Moonshot AI | 3.0 | 5.5 | 0/1 | 3.38s |
| #125 | GPT-5.4 none | OpenAI | 3.0 | 5.5 | 0/1 | 2.89s |
| #126 | gpt-oss-120b none | OpenAI | 3.0 | 5.4 | 0/1 | 0ms |
| #127 | Grok 4.20 none | X AI | 3.0 | 5.4 | 0/1 | 6.04s |
| #128 | Qwen3.6 Flash none | Qwen | 3.0 | 5.4 | 0/1 | 4.22s |
| #129 | MiniMax M2.5 medium | Minimax | 4.5 | 5.3 | 0/1 | 60.4s |
| #130 | MiniMax M2.7 medium | Minimax | 4.7 | 5.3 | 0/1 | 41.0s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 3.0 | 5.3 | 0/1 | 46.0s |
| #132 | Mistral Small 4 medium | Mistral | 3.0 | 5.3 | 0/1 | 25.3s |
| #133 | DeepSeek V3.2 none | DeepSeek | 6.5 | 5.2 | 0/1 | 115.9s |
| #134 | GLM 5 Turbo none | Z.ai | 3.0 | 5.2 | 0/1 | 4.89s |
| #135 | Kimi K2.5 none | Moonshot AI | 2.8 | 5.2 | 0/1 | 19.2s |